高分辨率RGB图像数据集用于小麦种子品种识别和纯度评估
Mehreen Nawaz1, Sadaf Safder1, Shazia Riaz1
1Precision Agriculture Lab, Center for Advanced Studies in Agriculture and Food Security, University of Agriculture, Faisalabad, Pakistan.
Data in brief
|June 16, 2025
概括
开发一个最佳的小麦种子识别协议对于最大限度地提高产量至关重要. 这项研究引入了巴基斯坦小麦品种的新型高分辨率数据集,以推进农业中的计算机视觉应用.
科学领域:
- 农业科学 农业科学
- 计算机视觉 计算机视觉
- 机器学习 机器学习
背景情况:
- 手动识别小麦种子品种是劳动密集的,耗时的,容易出错,阻碍了最佳产量.
- 现有的计算机视觉和机器学习方法需要特定位置的数据集,这些数据集通常是有限的或不可用的.
- 准确的种子纯度和品种识别对于可持续农业和最大限度地提高作物生产率至关重要.
研究的目的:
- 解决小麦种子品种识别区域特定数据集的缺乏问题.
- 为巴基斯坦创建和呈现一个公开可用的,高分辨率的小麦种子图像数据集.
- 促进先进的人工智能模型的开发,以准确高效地分析小麦种子.
主要方法:
- 在受控的照明和角度下收集了巴基斯坦三种主要小麦品种 (Akbar-19,Dilkash-20,Urooj-22) 的高分辨率RGB图像.
- 确保每个品种包括125种纯种子,以创建一个强大的和代表性的数据集.
- 与巴基斯坦费萨拉巴德农业大学的小麦生物技术实验室合作.
主要成果:
- 已经建立了一个新的,公开可访问的巴基斯坦小麦种子数据集.
- 该数据集具有高分辨率图像,对于训练复杂的机器学习模型至关重要.
- 该研究强调了当地品种数据集对农业人工智能发展的重要性.
结论:
- 开发的数据集是研究巴基斯坦小麦品种和种子收集技术的研究人员的宝贵资源.
- 该计划通过提供特定区域的数据,弥合了农业中人工智能创新差距.
- 该数据集促进合作,提高研究数据的可靠性,以便在可持续农业中更广泛地使用.
更多相关视频
11:37RGB and Spectral Root Imaging for Plant Phenotyping and Physiological Research: Experimental Setup and Imaging Protocols
Published on: August 8, 2017
16.4K
05:22Transverse Sectioning of Mature Rice Oryza sativa L. Kernels for Scanning Electron Microscopy Imaging Using Pipette Tips as Immobilization Support
Published on: January 25, 2022
3.8K
